Android 新增 Telecom 库 jetpack,简化音频/视频通话应用开发

作者 | Sergio De Simone 译者 | 平川 策划 | Tina

Android 新增 Telecom 库 jetpack。该库目前为 Alpha 版本,旨在简化音频及视频通话应用的开发。它为 Android 开发人员提供了多个 API,支持应答 / 拒绝、音频路由等常见功能。

首先,新库会负责声明它使用哪些前台服务。这意味着开发者不需要显式遵守 Android 14 中新引入的的隐私要求。该库还可以确保用户离开应用时通话不会中断,而这对于开发者来说是透明的。

该 Telecom 库还为智能手表提供了一个 API,用于处理用户操作,如接听、拒绝、挂断和静音呼叫。该 API 可以流畅地在手表上显示与呼叫相关的信息,并且,当用户正在进行通话而又有另一个呼叫进入时,可以为用户保持当前呼叫。

新库提供的另一个主要功能是音频路由,因此,使用它的任何应用程序都不需要使用音频管理器来跟踪设备的音频状态及获取可用音频设备的列表等。该库可以列出所有可用的去向 / 来自蓝牙音频设备的流式音频端点。

该 Telecom 库引入了一个新的 CallsManager 类,取代了以前非 jetpack 库中提供的 ConnectionService 类。如果开发人员想要利用新类所带来的好处,就需要完成一项特定的迁移。

从ConnectionService 迁移到 CallManager 非常简单,但也不是改下命名空间那么简单。你可以认为,CallManager 取代的是ConnectionService ,而CallControlScope 取代的是ConnectionService.

下面的代码片段展示了如何添加一个具有给定属性的呼叫:

val attributes = CallAttributesCompat(        displayName = displayName,               address = address,       direction = CallAttributesCompat.DIRECTION_INCOMING,       callType = CallAttributesCompat.CALL_TYPE_AUDIO_CALL,       callCapabilities = (CallAttributesCompat.SUPPORTS_SET_INACTIVE                or CallAttributesCompat.SUPPORTS_STREAM                                or CallAttributesCompat.SUPPORTS_TRANSFER), )callsManager.addCall(        attributes      ) {                 // Call control scope 
}

谷歌表示,在未来几个月,这个库会增加许多新功能,并且向后兼容至 Android O(API level 26)。如果你对使用它创建一个 Android VoIP 应用感兴趣,那么最好从谷歌的官方示例应用入手,它向开发者展示了如何使用各种 API。

原文链接:

https://www.infoq.com/news/2023/11/android-jetpack-telecom-library/

声明:本文为 InfoQ 翻译,未经许可禁止转载。

今日好文推荐

是全部重做还是融合改造?揭秘京东云言犀升级全过程

OpenAI董事会商讨让Altman重回CEO岗位;阿里云分拆紧急刹车;鸿蒙工程师火爆抢手,年薪最高 160万|Q资讯

突发!“ChatGPT 之父”Sam Altman 被开除,与董事会矛盾早有端倪?

好莱坞大导预测成真,Meta 让 AI “一句话生成一部电影” 不再是梦

相关推荐

  • Google Flutter:我们的开发策略是听用户的
  • 免费《大模型应用实践》实训营第二周课程来啦!这次百度算法工程师团队手把手教你构建大模型应用,另有第一周干货回顾!
  • 银行数字化作业不能“互抄”?我们总结了五大场景要素和两大路径
  • OpenAI“生死存亡”时刻:95% 员工或将加入微软,原 OpenAI 寻求与竞对合并?
  • 基于需求驱动的数据治理场景化实践
  • 大模型分布式训练效能提升的必要性(万字长文推荐收藏)
  • 革新突破!智能指标平台引领时代,国产大模型与企业级部署的完美结合
  • 博士申请 | 宁波东方理工大学沈晓宇老师招收NLP/AI方向博士/博后/RA/实习生等
  • EMNLP 2023 | 解决LLaMA、BERT等部署难题:首个4-bit浮点量化LLM来了
  • 大规模神经网络优化:神经网络损失空间“长”什么样?
  • 丢弃99%的参数!阿里团队提出语言模型合体术,性能暴涨且无需重新训练和GPU
  • 再看面向NLP任务的大模型Prompt设计:PromptSource等代表性NLP开源Prompt数据集
  • 阿里今年少了将近 1.5 万人。。。
  • 【学术相关】985高校教授呼吁:大教授们,请把版面留给年轻人,特别是青年博士
  • 【深度学习】Vision Transformers看到的东西是和卷积神经网络一样的吗?
  • 【深度学习】十分钟掌握Pytorch搭建神经网络的流程
  • 985博士生,“降格”成硕士!
  • 奥特曼带队入职微软!Ilya刚刚首次发声:我很后悔
  • OpenAI 505 人逼宫:董事不辞职、就加入微软!
  • 图解推荐系统知识点:用户理解、召回、排序、冷启动